北大清华夺冠ASC超算竞赛：世界模型与AI Agent成关键赛题解析

2026年ASC世界大学生超级计算机竞赛总决赛在无锡学院圆满收官。经过五天高强度对决，北京大学代表队夺得总冠军，清华大学代表队位列亚军。浙江大学、上海交通大学、北京航空航天大学、国防科技大学、复旦大学等队伍同样发挥出色，获得一等奖。

在单项奖的竞争中，各校优势尽显：北京大学将e Prize计算挑战奖收入囊中，上海交通大学赢得最佳呈现奖，浙江大学、北京邮电大学、复旦大学共同获得应用创新奖。齐鲁工业大学（山东省科学院）代表队则以其卓越的硬件配置与调优能力，拿下最高计算性能奖。

本届ASC竞赛吸引了全球超300支高校队伍报名，最终25支队伍闯入总决赛。决赛现场挑战严峻：选手需在5000W的总功耗限制内，现场完成小型超算集群的设计、搭建与系统调试。考核涵盖HPL、HPCG国际基准测试，以及世界模型UnifoLM-WMA-0推理加速等高阶前沿题目，并包含全英文海报展示与答辩环节。

本届赛事特别设置的“超级团队赛”环节，将25支队伍随机重组为5个跨校联盟，要求他们协同攻克全球气候数值模拟ICON这一复杂课题。最终，由青海大学、北京航空航天大学、上海交通大学、哥伦比亚EAFIT大学、北京师范大学组成的联合团队赢得该奖项。

从赛后复盘来看，ASC26呈现出两大核心趋势：赛题设计紧密对接科研与产业实际需求，而AI Agent已成为选手实战中不可或缺的辅助工具。

一、从世界模型到引力波模拟，超算赛题走向科研及产业一线

ASC26的赛题设置精准映射了当前高性能计算领域的前沿焦点。以世界模型推理优化为例，UnifoLM-WMA-0赛题要求在保障生成视频质量的前提下，极致提升推理速度；而基于JEPA架构的LeWorldModel神秘应用赛题，则全面考察选手对AI模型原理、硬件特性与底层工程优化的综合掌握。

大赛组委会指出，今年赛题与一线科研及工业实践的关联度显著提升。例如引力波数值模拟赛题，其背景直接关联黑洞演化等基础物理学核心问题，也与全球下一代引力波探测计划的技术需求相呼应。此类赛题旨在引导学生深入科学原理，为前沿科技领域培养跨学科人才。

在AI赛题方向的选取上，组委会的布局更具前瞻性。随着机器人、具身智能等领域的突破，让机器理解物理世界成为关键。世界模型被视为AI认知物理规律的重要潜在路径。同时，全球气候模拟、量子线路仿真等赛题，分别对应气候变化应对与未来计算范式的战略性议题。ASC竞赛的目标清晰：让学生在技术演进早期接触这些方向，提前构建知识体系与实践能力。

二、AI Agent成为参赛助手，选手仍需掌握代码细节

一个显著变化是，在ASC26赛场上，AI不仅是考核对象，也成为了众多队伍备赛与实战中的高效助手。从代码解析、性能剖析到文档生成与系统监控，AI Agent已深度嵌入学生超算竞赛的工作流程。

冠军队伍北京大学分享了他们的经验。队员表示，备赛阶段大量借助AI工具进行代码修改与优化提示。然而在决赛的高压环境下，AI的局限性暴露无遗。例如比赛首日遭遇赛题调整，尝试用AI Agent分析题目与代码时，发现其容易陷入错误方向循环。最终依靠队员对底层优化逻辑的经验积累，才精准定位了修改路径。这印证了关键一点：AI效能的充分发挥，依赖于使用者清晰的指令与最终的工程判断。

北大队伍中一名本科为印地语专业的队员的经历颇具代表性。他出于对计算机技术的强烈兴趣，通过加入学校操作系统与开源软件社团，逐步掌握了集群管理等技能，最终踏上ASC赛场。对他而言，ASC不仅是一场竞赛，更为跨学科兴趣提供了系统性的实践平台，使其得以在专业之外，深入接触大模型、数学与计算机体系知识。

清华大学代表队的实践则展示了AI Agent在提升研发效率方面的潜力。队员介绍，他们自2月起便与百川智能合作，将AI Agent集成至备赛流程，通过搭建飞书智能体来加速解题。以世界模型赛题为例，往年纯人力优化需两三名队员耗时数月，今年则由一名队员主导，借助智能体辅助，约一个月即完成核心优化，并最终在该题目上取得第二名。

当然，清华队员也指出了当前AI工具的不足：在实际使用中遇到了模型记忆窗口短、工具调用不稳定、复杂上下文理解有限等问题。甚至在赛场上曾因智能体相关故障耗费数小时排查。他们的结论与北大队伍一致：AI助手是强大的效率倍增器，但参赛者必须深刻掌握代码与系统细节。唯有如此，才能在突发情况下快速做出正确决策，避免被工具束缚。

结语：AI与超算结合，从赛题走向真实工作流

纵观ASC26，从世界模型、量子计算到气候模拟，赛题设置紧扣时代技术脉搏。对参赛学生而言，这已超越单纯的编程竞赛，是一场对综合能力的极限压力测试：如何在严苛的功耗与时间约束下，将AI模型、并行计算、系统调优及跨团队协作能力整合，解决复杂的实际问题。

这种能力与产业界的迫切需求高度契合。据悉，总决赛期间设有企业招聘对接环节，企业方看重的正是学生在复杂任务中展现出的问题拆解、工具运用与快速协同能力。AI Agent自然融入各队工作流，标志着“AI+超算”的结合已从赛题设计层面，深入至真实的研究与工程实践。可以预见，未来那些既精通问题本质、又善于驾驭先进工具、并能完成系统级优化的复合型人才，将成为推动产业创新的核心驱动力。

来源：互联网